基于机器学习的高Z物质宇宙线μ子成像方法研究
| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第一章 绪论 | 第11-32页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 宇宙线μ子成像技术简介 | 第12-27页 |
| 1.2.1 μ子的基本性质及来源 | 第12-15页 |
| 1.2.2 宇宙线μ子成像技术的原理 | 第15-19页 |
| 1.2.3 宇宙线μ子技术的研究现状 | 第19-27页 |
| 1.3 μ子成像研究的关键技术及难点 | 第27-30页 |
| 1.3.1 μ子重建算法 | 第27-29页 |
| 1.3.2 难点及挑战 | 第29-30页 |
| 1.4 论文研究内容及结构安排 | 第30-32页 |
| 第二章 宇宙线μ子成像实验平台及数值模拟方法 | 第32-47页 |
| 2.1 宇宙线μ子成像实验平台 | 第32-36页 |
| 2.1.1 系统概述 | 第32-34页 |
| 2.1.2 外部μ子径迹拟合方法 | 第34-35页 |
| 2.1.3 系统主要性能指标 | 第35-36页 |
| 2.2 数值模拟平台的构建 | 第36-44页 |
| 2.2.1 平台开发框架 | 第37页 |
| 2.2.2 宇宙线μ子源项 | 第37-39页 |
| 2.2.3 几何布局及物理作用模型 | 第39-40页 |
| 2.2.4 数据分析及后处理 | 第40-44页 |
| 2.3 模拟平台的可靠性验证 | 第44-46页 |
| 2.3.1 平板模型校验及结果 | 第44-45页 |
| 2.3.2 不同材料平板μ子散射角分布 | 第45-46页 |
| 2.4 本章小结 | 第46-47页 |
| 第三章 基于无图像模式的高Z物质识别算法研究 | 第47-72页 |
| 3.1 分类问题 | 第47-52页 |
| 3.1.1 特征量的提取与选择 | 第48-49页 |
| 3.1.2 分类过程 | 第49-52页 |
| 3.2 分类模型算法(CMA) | 第52-60页 |
| 3.2.1 CMA算法设计及评估方法 | 第52-55页 |
| 3.2.2 单能垂直μ子源项下的CMA算法性能 | 第55-57页 |
| 3.2.3 天然μ子源项下的CMA算法性能 | 第57-60页 |
| 3.3 加强型分类算法(MCMA)设计及性能 | 第60-69页 |
| 3.3.1 MCMA算法设计 | 第60-64页 |
| 3.3.2 MCMA算法在区分高Z材料方面的性能 | 第64-67页 |
| 3.3.3 系统误差对MCMA算法性能的影响 | 第67-69页 |
| 3.4 基于TUMUTY系统的实验结果 | 第69-70页 |
| 3.5 本章小结 | 第70-72页 |
| 第四章 基于聚类的μ子图像重建方法研究 | 第72-88页 |
| 4.1 聚类方法概述 | 第72-75页 |
| 4.1.1 方法介绍 | 第72-73页 |
| 4.1.2 聚类分析的度量 | 第73-75页 |
| 4.2 基于网格的聚类分析 | 第75-79页 |
| 4.2.1 重建算法 | 第76-77页 |
| 4.2.2 成像结果及分析 | 第77-79页 |
| 4.3 基于密度的聚类分析 | 第79-87页 |
| 4.3.1 DBSCAN算法 | 第79-81页 |
| 4.3.2 成像结果及分析 | 第81-87页 |
| 4.4 本章小结 | 第87-88页 |
| 第五章 多模态μ子成像方法研究 | 第88-111页 |
| 5.1 透射型μ子成像方法 | 第88-98页 |
| 5.1.1 μ子能损规律分析 | 第88-90页 |
| 5.1.2 μ子透射模式成像方法 | 第90-98页 |
| 5.2 透射模式成像质量分析 | 第98-104页 |
| 5.2.1 空心球模型成像 | 第98-101页 |
| 5.2.2 字母模型 | 第101-104页 |
| 5.3 散射与透射结合型μ子成像方法 | 第104-110页 |
| 5.3.1 MTST成像质量分析 | 第105-107页 |
| 5.3.2 MTST对材料识别的性能 | 第107-110页 |
| 5.4 本章小结 | 第110-111页 |
| 第六章 结论与展望 | 第111-115页 |
| 6.1 研究结论 | 第111页 |
| 6.2 论文的主要创新点 | 第111-112页 |
| 6.3 后续研究展望 | 第112-115页 |
| 参考文献 | 第115-126页 |
| 致谢 | 第126-128页 |
| 在读期间发表的学术论文与取得的其他研究成果 | 第128-129页 |
